MétaCan
Menu
Retour à la cohorte
Enregistrement W4308653066 · doi:10.1002/job.2680

Bias in the background? The role of background information in asynchronous video interviews

2022· article· en· W4308653066 sur OpenAlexafffund
Nicolas Roulin, Eden‐Raye Lukacik, Joshua S. Bourdage, Lindsey Clow, Hayam Bakour, Pedro Díaz

Notice bibliographique

RevueJournal of Organizational Behavior · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensUniversity of CalgarySaint Mary's University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPsychologyCompetence (human resources)Social psychologyExtant taxonPerceptionAsynchronous communicationSexual orientationPoliticsApplied psychology

Résumé

récupéré en direct d'OpenAlex

Summary Asynchronous video interviews (AVIs) have become popular tools for applicant selection. Although AVIs are standardized, extant research remains silent on whether this novel interview format could introduce new forms of bias. Because many applicants complete AVIs from their homes, their video background could provide evaluators with information about stigmatizing features that (a) are usually “invisible” in traditional selection contexts but become observable in AVIs, (b) are not always legally protected, and (c) can impact evaluators' judgments. Across three experimental studies, we examined how cues indicating parental status (Study 1), sexual orientation (Study 2), and political affiliation (Study 3) can impact perceptions of applicant warmth and competence and ratings of interview performance and potential work performance. The effect of background information varied by stigmatized feature. Applicants depicted as parents were perceived to be higher on warmth and received higher interview performance ratings but were not evaluated more negatively on competence or potential work performance. There was no effect of sexual orientation on any outcome variables. However, applicants who supported the same political party as the evaluator were viewed as warmer and received higher ratings of interview performance and potential work performance. Thus, organizations should encourage applicants to use neutral backgrounds.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,200
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,107
Tête enseignante GPT0,314
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Organizational BehaviorMême sujetGender Diversity and InequalityTravaux en français237 207